2D 视觉还是 3D 视觉？2026 AI 质检按缺陷维度选，附行业数据

结论先行

视觉选型按”缺陷维度”定：平面上的有无/颜色/印刷/尺寸用 2D；带高度/体积/形变的用 3D。2026 AI 质检趋势是小样本更快、3D+AI 补形貌缺陷，但落地仍是先 2D 解决大部分、3D 补缺。机器视觉国产化率已超 70%，2D 相机国产化率 82.7%，别一味上 3D。

一句话：平面上的是非用 2D，带高度的用 3D。

行业背景（数据参考）

机器视觉处于高速增长通道，国产力量也明显走强（来源：中国机器视觉产业联盟 CMVU《2025 中国机器视觉市场研究报告》等公开口径）：

• 中国机器视觉市场 2025 年同比增长约 18.5%，行业整体国产化率超过 70%，其中 2D 工业相机国产化率达 82.7%。
• 3D 视觉是增速最快的细分，2025 至 2028 年 3D 视觉检测市场年均增长约 29%；工业机器人搭载 3D 视觉的比例 2025 年约 6.75%，2026 年预计提升至 8.24%。
• 从下游看，制造业应用占约 78%，其中 3C 电子、汽车、半导体合计占四成以上；机器人引导占 3D 相机下游约七成。

这些数字的意义：2D 已经高度成熟且国产可控，是绝大多数质检的主战场；3D 增长快但仍在渗透早期，应按需上、不盲目堆。

两种视觉

2D 视觉

• 平面图像，做有无、颜色、OCR、平面尺寸
• 硬件成熟、便宜、算法简单
• 覆盖大部分质检场景

3D 视觉

• 结构光 / ToF / 线激光取深度
• 做高度、体积、形变、曲面、抓取
• 硬件和算力更贵

2026 趋势

• 小样本 AI：少图也能训缺陷，降低标注成本
• 3D 点云 + AI：复杂形貌缺陷（焊缝、胶路、形变）
• 落地原则：先 2D 兜底，3D 补缺，不本末倒置

选型落地

1. 列检测项，标出哪些依赖高度
2. 纯平面走 2D
3. 带高度/体积上 3D
4. 硬件三件套先按 2D 配

避坑清单

• ❌ 2D 能解决硬上 3D
• ❌ 高度缺陷用 2D 硬测
• ❌ 不看样本量就上大模型
• ✅ 按缺陷维度选型
• ✅ 先 2D 兜底再 3D
• ✅ 3D 单独评估

相关阅读

• 机器视觉硬件三件套 BOM（相机/镜头/光源）
• 锂电/光伏产线 3D 视觉检测工位（3D 实战）
• 工业边缘网关选型（视觉数据上云）

免责声明

本文为通用技术梳理，数据来源为公开发布的行业研究口径，不指向具体客户或项目。实际选型请以检测项、精度与现场节拍为准；正式导入前建议样机采集真实缺陷样本验证。